一种基于深度迁移学习的小分子药物虚拟筛选方法及其应用

摘要

本发明公开一种基于深度迁移学习的小分子药物虚拟筛选方法及其应用，先将源域作为输入，进行训练并经过收敛之后推导得出权重矩阵；再将目标域输入到改进工具中作为目标域的初始化权重；将初始化权重和目标域中数据进行微调继续训练至收敛；在目标域中预测先导化合物与药物靶标相互作用的生物活性值，得到目标域分子指纹和预测值，输出预测结果的评价指标均方根误差和相关系数；对目标域重复以上步骤进行微调，实现借助源域的权重矩阵帮助目标域构建模型。本发明提供的小分子药物虚拟筛选方法及其应用能够在已知活性配体样本信息不充分的情况下仍得到有效的虚拟筛选模型，而不需要依赖大量的数据样本。